CN111383195B - 一种基于球模型的散乱点云数据快速精简去噪方法 - Google Patents

Abstract

本发明公开了一种基于球模型的散乱点云数据快速精简去噪方法，包括建立球体模型，将三维目标散乱点云模型包含在该球体模型内，各个坐标点被分散在一个个锥体区域内；椎体区域编码排序；分别对每一个锥体区域内的点云集分情况实现散乱点云数据的精简去噪；将三维目标散乱点云模型从球坐标转换为直角坐标。可同时进行散乱点云的精简和去噪，且算法简单，对于硬件系统要求低，更加适用于嵌入式系统进行运算。

Description

一种基于球模型的散乱点云数据快速精简去噪方法

技术领域

本发明属于逆向工程技术领域，具体涉及一种基于球模型的散乱点云数据快速精简去噪方法。

背景技术

逆向工程中，点云预处理是三维重建的重要前序工作。点云精简和点云去噪是点云预处理工作的重要内容。

对于海量散乱点云模型，目前的主流算法通常比较复杂，且需要将精简和去噪作为两种不同工作分别处理，对硬件系统的要求较高。

发明内容

本发明所要解决的技术问题是针对上述现有技术的不足，提供一种基于球模型的散乱点云数据快速精简去噪方法。

为实现上述技术目的，本发明采取的技术方案为：

一种基于球模型的散乱点云数据快速精简去噪方法，包括：

Step1：建立球体模型，将三维目标散乱点云模型包含在该球体模型内，各个坐标点被分散在一个个锥体区域内；

Step2：椎体区域编码排序；

Step3：分别对每一个锥体区域内的点云集分情况实现散乱点云数据的精简去噪；

Step4：将三维目标散乱点云模型从球坐标转换为直角坐标。

为优化上述技术方案，采取的具体措施还包括：

上述的Step1中，将三维目标散乱点云模型从直角坐标形式(x,y,z)转换为球坐标形式(r,α,β)，转换方法如下：

r＝(x²+y²+z²)^1/2

α＝αtan(y/x)

β＝βcos(z/r)

以直角坐标系原点(0,0,0)为球心，在三维目标散乱点云模型所有点的r值中，取最大值R作为半径，建立球体Q，则三维目标散乱点云模型被包含在Q内；

其中，α∈[0°，360°)，β∈[-180°，180°)，α和β的变化将球体划分为多个以球心为顶点的椎体区域。

上述的Step2具体为：从α＝α₀＝0°，β＝β₀＝0°开始，依次增加α和β的值，步进量为Δα、Δβ，同时对球体的各个区域进行编码排序。

上述的Step3中，若该锥体区域内所有的点r值相近，则认为该锥体区域内的物体表面为一个光滑的平面，通过设置一个特征点来代替该锥体区域内原有的所有点，以实现该点云集Φ的精简；

若该锥体区域内点的r值不相近，则去掉该锥体区域内r值最大和最小的点，然后再进行比较，若剩下的点r值相近，则说明去掉的两个点中存在噪点，将剩下的点的集合作为光滑平面处理，通过设置一个特征点来代替该锥体区域内原有的所有点，以实现该点云集Φ的精简；若剩下的点r值不相近，则说明这个锥体区域所对应的物体表面存在斜坡折角，保留所有点。

上述的Step3具体为：

Step301：基于Step2的编码排序结果，定义第i个区域内目标物体上的N个点为点云集Φ_i：

Φ_i:{D_i,j,(j＝0,1…N-1)}

其中，D_i,j,(j＝0,1…N-1)为Φ_i内的N个点；记这N个点为r值为r_i,1,r_i,2…r_i,N-1，将N个点按r值进行由大到小的排序，记其中的最大值为r_i,max，最小值为r_i,min；令极差R_i,1＝r_i,max-r_i,min，记中位数为R_i,0；

Step302：设定阈值δ＝10^-3R_i,0，调整δ值以调节噪声容差，δ越小容差越小，在此基础上判断R_i,1大小：

若R_i,1<＝δ，则说明Φ_i内的点集合为原物体的一个光滑表面，此时定义特征点S_i代替区域内原有的所有点，来表示此物体在这个区域内的面，特征点S_i的坐标l_i、θ_i和

的定义如下：

l_i＝(r_i,1+r_i,2+…+r_i,N-1)/N

θ_i＝α+Δα/2

若R₁>10^-3R₀，则说明此区域内的存在噪点或此区域内的点所组成的物体表面存在斜坡折角，判断方法如下：

删除Φ_i内N个点中一个r值最大的点和一个r值最小的点，然后将剩下的点再求极差R_i,2；

若此时R_i,2<＝δ，则说明Φ_i内的点集合为原物体的一个光滑表面，删除的两个点中有一个或两个噪点，此时定义特征点S_i代替区域内原有的所有点，来表示此物体在这个区域内的面，特征点S_i的坐标l_i、θ_i和

的定义如下：

l_i＝(r_i,1+r_i,2+…+r_i,N-1)/N

θ_i＝α+Δα/2

若此时R_i,2>δ，则此区域内的点所组成的物体表面存在斜坡折角，保留所有点。

上述的Step4中，将三维目标散乱点云模型从球坐标转换为直角坐标的公式如下：

x＝rcosα

y＝rsinβcosα

z＝rcosβ。

本发明具有以下有益效果：

可同时进行散乱点云的精简和去噪，且算法简单，对于硬件系统要求低，更加适用于嵌入式系统进行运算。

附图说明

图1是本发明的球体模型示意图；

图2是点云集合Φ_i的示意图；

图3是特征点S_i的示意图；

图4是区域内存在噪声的情况示意图；

图5是区域内的点所组成的物体表面存在斜坡折角的情况示意图。

具体实施方式

以下结合附图对本发明的实施例作进一步详细描述。

如图1所示，本发明的一种基于球模型的散乱点云数据快速精简去噪方法，包括：

Step1：建立球体模型，将三维目标散乱点云模型包含在该球体模型内，各个坐标点被分散在一个个锥体区域内；

所述Step1中，将三维目标散乱点云模型从常用的直角坐标形式(x,y,z)转换为球坐标形式(r,α,β)，转换方法如下：

r＝(x²+y²+z²)^1/2

α＝αtan(y/x)

β＝βcos(z/r)

以直角坐标系原点(0,0,0)为球心，在三维目标散乱点云模型所有点的r值中，取最大值R作为半径，建立球体Q，则三维目标散乱点云模型被包含在Q内；

其中，α∈[0°，360°)，β∈[-180°，180°)，α和β的变化将球体划分为多个以球心为顶点的椎体区域。例如α，β分别增加Δα、Δβ时，所包络的区域OD₁D₂D₃D₄如图1所示。

实施例中，令Δα＝Δβ＝1°，则球体可被分为180×360＝64800个区域，显然球体内的目标物体也被分为64800个区域。减小Δα和Δβ的值可以增加区域个数，提高判别精度，但是增加计算时间。之后跳转至Step2。

由于三维目标散乱点云模型也在球内，因此也相应被分割，三维目标散乱点云模型的各个坐标点被分散在一个个锥体区域内。

Step2：椎体区域编码排序；

所述Step2具体为：从α＝α₀＝0°，β＝β₀＝0°开始，依次增加α和β的值，步进量为Δα、Δβ，同时对球体的这64800个区间进行编码排序，令α_i＝α_i-1+Δα，β_i＝β_i-1+Δβ，则编码排序方法如下：

Φ₁：从α₀，β₀，到α₁，β₁，即Φ₁∈(0°,0°)～(1°,1°)

Φ₂：从α₁，β₀，到α₂，β₁，即Φ₂∈(1°,0°)～(2°,1°)

Φ₃：从α₂，β₀，到α₃，β₁，即Φ₃∈(2°,0°)～(3°,1°)

……

Φ₃₆₀：从α₃₅₉，β₀，到α₀，β₁，即Φ₃₆₀∈(359°,0°)～(0°,1°)

Φ₃₆₁：从α₀，β₁，到α₁，β₂，即Φ₃₆₁∈(0°,1°)～(1°,2°)

Φ₃₆₂：从α₁，β₁，到α₂，β₂，即Φ₃₆₂∈(1°,1°)～(2°,2°)

……

Φ₆₄₈₀₀：从α₃₅₉，β₁₇₉，到α₀，β₁₇₉，即Φ₆₄₈₀₀∈(359°,179°)～(0°,180°)

Step3：将每一个椎体区域内的点云定义为一个点云集Φ，分别对每一个锥体区域内的点云集Φ分情况实现散乱点云数据的精简去噪；

所述Step3中，若该锥体区域内所有的点r值相近，则认为该锥体区域内的物体表面为一个光滑的平面，通过设置一个特征点来代替该锥体区域内原有的所有点，以实现该点云集Φ的精简；

若该锥体区域内点的r值不相近，则去掉该锥体区域内r值最大和最小的点，然后再进行比较，若剩下的点r值相近，则说明去掉的两个点中存在噪点，将剩下的点的集合作为光滑平面处理，通过设置一个特征点来代替该锥体区域内原有的所有点，以实现该点云集Φ的精简；若剩下的点r值不相近，则说明这个锥体区域所对应的物体表面存在斜坡折角(即物体表面是一个斜面或表面曲率较大)，保留所有点。

所述Step3具体为：

Step301：基于Step2的编码排序结果，定义第i个区域内目标物体上的N个点为集合Φ_i：

Φ_i:{D_i,j,(j＝0,1…N-1)}

其中，D_i,j,(j＝0,1…N-1)为Φ_i内的N个点；记这N个点为r值为r_i,1,r_i,2…r_i,N-1，将N个点按r值进行由大到小的排序，记其中的最大值为r_i,max，最小值为r_i,min；令极差R_i,1＝r_i,max-r_i,min，记中位数为R_i,0，如图2所示；

Step302：设定阈值δ＝10^-3R_i,0，调整δ值以调节噪声容差，δ越小容差越小，在此基础上判断R_i,1大小：

若R_i,1<＝δ，则说明Φ_i内的点集合为原物体的一个光滑表面，此时定义特征点S_i代替区域内原有的所有点，来表示此物体在这个区域内的面，特征点S_i的坐标l_i、θ_i和

的定义如下：

l_i＝(r_i,1+r_i,2+…+r_i,N-1)/N

θ_i＝α+Δα/2

如图3所。

若R₁>10^-3R₀，则说明此区域内的存在噪点或此区域内的点所组成的物体表面存在斜坡折角，判断方法如下：

删除Φ_i内N个点中一个r值最大的点和一个r值最小的点，然后将剩下的点再求极差R_i,2；

若此时R_i,2<＝δ，则说明Φ_i内的点集合为原物体的一个光滑表面，删除的两个点中有一个或两个噪点，存在噪声的情况如图4所示，此时定义特征点S_i代替区域内原有的所有点，来表示此物体在这个区域内的面，特征点S_i的坐标l_i、θ_i和

的定义如下：

l_i＝(r_i,1+r_i,2+…+r_i,N-1)/N

θ_i＝α+Δα/2

若此时R_i,2>δ，则此区域内的点所组成的物体表面存在斜坡折角，保留所有点，存在斜坡折角的情况如图5所示。

Step4：所有椎体区域全部处理完毕后，将三维目标散乱点云模型从球坐标转换为直角坐标，将三维目标散乱点云模型从球坐标转换为直角坐标的公式如下：

x＝rcosα

y＝rsinβcosα

z＝rcosβ。

以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。

Claims (5)

1.一种基于球模型的散乱点云数据快速精简去噪方法，其特征在于，包括：

Step1：建立球体模型，将三维目标散乱点云模型包含在该球体模型内，各个坐标点被分散在一个个锥体区域内；

Step2：椎体区域编码排序；

Step3：分别对每一个锥体区域内的点云集分情况实现散乱点云数据的精简去噪；

所述Step3中，若锥体区域内所有的点r值相近，则认为该锥体区域内的物体表面为一个光滑的平面，通过设置一个特征点来代替该锥体区域内原有的所有点，以实现该点云集Φ的精简；

若锥体区域内点的r值不相近，则去掉该锥体区域内r值最大和最小的点，然后再进行比较，若剩下的点r值相近，则说明去掉的两个点中存在噪点，将剩下的点的集合作为光滑平面处理，通过设置一个特征点来代替该锥体区域内原有的所有点，以实现该点云集Φ的精简；若剩下的点r值不相近，则说明这个锥体区域所对应的物体表面存在斜坡折角，保留所有点；

r为锥体区域内的点到球体模型球心的距离；

Step4：将三维目标散乱点云模型从球坐标转换为直角坐标。

2.根据权利要求1所述的一种基于球模型的散乱点云数据快速精简去噪方法，其特征在于，所述Step1中，将三维目标散乱点云模型从直角坐标形式(x,y,z)转换为球坐标形式(r,α,β)，转换方法如下：

r＝(x²+y²+z²)^1/2

α＝αtan(y/x)

β＝βcos(z/r)

以直角坐标系原点(0,0,0)为球心，在三维目标散乱点云模型所有点的r值中，取最大值R作为半径，建立球体Q，则三维目标散乱点云模型被包含在Q内；

其中，α∈[0°，360°)，β∈[-180°，180°)，α和β的变化将球体划分为多个以球心为顶点的椎体区域。

3.根据权利要求1所述的一种基于球模型的散乱点云数据快速精简去噪方法，其特征在于，所述Step2具体为：从α＝α₀＝0°，β＝β₀＝0°开始，依次增加α和β的值，步进量为Δα、Δβ，同时对球体的各个区域进行编码排序。

4.根据权利要求1所述的一种基于球模型的散乱点云数据快速精简去噪方法，其特征在于，所述Step3具体为：

Step301：基于Step2的编码排序结果，定义第i个区域内目标物体上的N个点为点云集Φ_i：

Φ_i:{D_i,j,(j＝0,1…N-1)}

其中，D_i,j,(j＝0,1…N-1)为Φ_i内的N个点；记这N个点为r值为r_i,1,r_i,2…r_i,N-1，将N个点按r值进行由大到小的排序，记其中的最大值为r_i,max，最小值为r_i,min；令极差R_i,1＝r_i,max-r_i,min，记中位数为R_i,0；

Step302：设定阈值δ＝10^-3R_i,0，调整δ值以调节噪声容差，δ越小容差越小，在此基础上判断R_i,1大小：

若R_i,1<＝δ，则说明Φ_i内的点集合为原物体的一个光滑表面，此时定义特征点S_i代替区域内原有的所有点，来表示此物体在这个区域内的面，特征点S_i的坐标l_i、θ_i和

的定义如下：

l_i＝(r_i,1+r_i,2+…+r_i,N-1)/N

θ_i＝α+Δα/2

若R₁>10^-3R₀，则说明此区域内的存在噪点或此区域内的点所组成的物体表面存在斜坡折角，判断方法如下：

删除Φ_i内N个点中一个r值最大的点和一个r值最小的点，然后将剩下的点再求极差R_i,2；

若此时R_i,2<＝δ，则说明Φ_i内的点集合为原物体的一个光滑表面，删除的两个点中有一个或两个噪点，此时定义特征点S_i代替区域内原有的所有点，来表示此物体在这个区域内的面，特征点S_i的坐标l_i、θ_i和

的定义如下：

l_i＝(r_i,1+r_i,2+…+r_i,N-1)/N

θ_i＝α+Δα/2

若此时R_i,2>δ，则此区域内的点所组成的物体表面存在斜坡折角，保留所有点。

5.根据权利要求1所述的一种基于球模型的散乱点云数据快速精简去噪方法，其特征在于，所述Step4中，将三维目标散乱点云模型从球坐标转换为直角坐标的公式如下：

x＝rcosα

y＝rsinβcosα

z＝rcosβ。

Images